Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

1 Proposition de thèse CIFRE – OVHcloud / Laboratoire LISPEN – Arts et Métiers

1 Proposition de thèse CIFRE – OVHcloud / Laboratoire LISPEN – Arts et Métiers Titre : Exploitation de la robotique mobile pour le référencement automatisé, la surveillance et l’aide à la levée de doute en Datacenter PhD Title: Toward mobile assistant robot for intelligent mapping, server referencing, surveillance and anomaly detection in DataCenter environment Entreprise : OVHcloud, Croix Contact entreprise : christophe.thibaut@ovhcloud.com; aurelien.taniere@ovhcloud.com; miroslaw.klaba@ovhcloud.com Laboratoire : Laboratoire d'Ingénierie des Systèmes Physiques et Numériques (LISPEN EA 7515) – Arts et Métiers campus Lille - ED 432 SMI Contact Laboratoire : richard.bearee@ensam.eu; adel.olabi@ensam.eu Mots clés : référencement et détection par vision ; traitement d’image ; IA ; robotique mobile I) Introduction OVHcloud est une entreprise internationale implantée dans 19 pays à travers le monde (siège France) dans le domaine des technologies de l’information. Elle propose aux professionnels des infrastructures (notamment en hébergement de serveurs) et logiciels dédiés à la gestion, à la sécurité et à l’évolution des données. Dans le cadre de ses développements prospectifs, et en lien avec ses activités de recherches partenariales avec le laboratoire LISPEN (Arts et Métiers Lille), OVHcloud souhaite investiguer, développer et évaluer de nouvelles fonctionnalités que pourrait apporter la robotique cognitive mobile en environnement de type Datacenter. II) Contexte et objectifs du projet scientifique OVHcloud possède 32 datacenters, dont une quinzaine est située en France, regroupant environ 400 000 serveurs. Les plus gros datacenters comptent jusqu’à 15 000 serveurs et s’étendent sur plusieurs milliers de m2. En l’état, une fois installées, les machines sont peu surveillées en présentiel mais à distance grâce à des outils de monitoring. Or, une ronde régulière au sein des allées d’un centre de données permettrait d’effectuer tout un tas d’activités utiles comme par exemple l’inventaire ou encore la levée de doute, activités que l’on imagine, aujourd’hui, robotisables. La robotique mobile autonome a connu un essor important ces dix dernières années, aussi bien sur des applicatifs industriels de type logistique, que dans le cadre de la robotique de service. Le développement d’algorithmes robustes de cartographie et de navigation autonome (SLAM), combinés aux avancées et à la démocratisation des technologies de télédétection par laser (lidar 1D-2D-3D) sont à l’origine de nombreuses solutions matures et disponibles sur le marché. Cette maturité en terme d’industrialisation concerne essentiellement les applications exploitant des bases mobiles robotisées en environnement structuré et ne présentant pas de complexité d’accessibilité (escalier, zone d’accessibilité réduite ou complexe). Associer ces solutions robotiques avec les avancées plus récentes dans le domaine de l’intelligence artificielle et de l’internet des objet, rend plus que jamais tangible le développement d’un système mobile autonome assurant un ensemble de fonctionnalités adaptées au 2 domaine d’utilisation. Ainsi, l’exploitation d’un système de navigation robotisé en environnement DataCenter permettrait d’adresser les principales problématiques suivantes : 1. Cartographier et référencer les équipements de l’installation pour constitution d’une base de donnée mise à jour. 2. Contrôler l’installation : vérifier l’état des serveurs (reconnaissance affichage, état des voyants, état et évolution thermique…). 3. Surveiller : Participer à la gestion des exceptions (objet non autorisé, présence humaine non planifiée, dégradation infrastructure), ainsi qu’à la lever de doute en lien avec les rondes de surveillance. L’objet de cette étude consiste à investiguer les solutions algorithmiques et technologiques en robotique mobile et en traitement d’image afin d’assurer les fonctionnalités de référencement automatisé, de surveillance et d’aide à la levée de doute en Datacenter. Figure 1 – Exemple de fonctionnalités investiguées dans le cadre de ce sujet de thèse. Au regard de l’objectif, l’état de l’art technologique et scientifique fait ressortir plusieurs verrous à adresser dans ce sujet. L’environnement DataCenter est principalement statique (peu de mouvements d’objets ou d’humains) et structuré, ce qui constitue un terrain propice à la navigation autonome robuste. Toutefois, l’exploitation d’une base mobile autonome peut se heurter à certains verrous en lien avec la symétrie des installations (plusieurs zones « très » semblables pour l’algorithme de localisation) et les matériaux rencontrés (les racks de serveurs métalliques et irréguliers peuvent dégrader la précision de détection des systèmes laser [1-2]. Un premier axe d’investigation consistera à tester et évaluer les performances en précision et en robustesse des principaux algorithmes récents de type SLAM [3-6] en environnement réel. Si nécessaire, des adaptations ou combinaisons des méthodes précédentes seront développées. 3 La fonctionnalité de contrôle des serveur pourra s’appuyer avantageusement sur des solutions technologiques récentes, telle que celle de la société YZROBOT (http://www.yzrobot.cn/), permettant un contrôle thermique de l’installation, ainsi qu’une visualisation à distance de certaines informations des serveurs. Le référencement des serveurs est envisagé en s’appuyant sur les méthodes de reconnaissance rapide de TAG et code à bar en scène 3D [7-9]. La partie surveillance et aide à la levée de doute constituera une contribution majeure du sujet et s’appuiera sur l’identification d’amers, le template matching et l’auto-apprentissage via réseau de neurones [10-14] afin de qualifier un état nominal, détecter une exception et la qualifier. La minimisation de la quantité de données d’entrainement sera un axe d’investigation privilégié. Le développement d’une preuve de concept évolutive et flexible sur les technologies embarquées, les algorithmes développés et assurant le lien avec le contrôle de la base mobile nécessitera un environnement de développement ouvert. Dans ce cadre l’exploitation du middleware ROS sera privilégiée [15-16]. III) Organisation des travaux de recherche Les travaux de recherche seront suivis par Monsieur Christophe THIBAUT, responsable de l’équipe Hardware R&D pour la société OVHcloud, et l’encadrement scientifique sera assuré par Monsieur Richard BEAREE, professeur des universités en robotique à Arts et Métiers (ENSAM campus de Lille), directeur du laboratoire LISPEN (EA 7515) et Monsieur Adel OLABI, maître de conférences en conception mécanique et en robotique à Arts et Métiers (ENSAM campus de Lille) et membre du laboratoire LISPEN. La mise à disposition par l’entreprise et le laboratoire de différents systèmes de robotique mobile et de plusieurs technologies de capteur (vision 2D, 2D1/2, 3D, laser), associée au support d’ingénieurs, permettra une prise en main rapide des moyens qui seront exploités durant les phases d’expérimentation. Au-delà des grandes phases décrites dans le planning qui suit, la proximité géographique de l’entreprise et du laboratoire favorisera les échanges et déplacements réguliers du(de la) doctorant(e) en fonction des besoins et en accord avec les deux parties. Prévisionnellement, une fréquence de présence hebdomadaire de 3 jours au sein de l’entreprise est envisagée. L’organisation des travaux et la remise des livrables sont décrits dans le planning prévisionnel suivant : 4 IV) Mini-CV des encadrants Richard Béarée a obtenu le diplôme d’ingénieur en conception mécanique de Polytech’Lille en 2001, le master recherche d’automatique de l’Université des Sciences et Technologies de Lille en 2002 et il a obtenu sa thèse de doctorat en automatique et robotique de l’Ecole Nationale Supérieure d’Arts et Métiers en 2005. Depuis 2006, il est enseignant-chercheur à Arts et Métiers, campus de Lille, où il occupe actuellement le poste de Professeur des Universités. Il dirige le laboratoire multisites d’ingénierie des systèmes physiques et numérique (LISPEN-EA7115 https://lispen.ensam.eu/). Il a créé et dirige depuis 2016 le mastère spécialisé Colrobot (https://artsetmetiers.fr/fr/ms-colrobot). Il est senior member de la société IEEE et membre de la société ASME. Il est éditeur associé pour la revue Dynamic Systems, Measurement, and Control (ASME), ainsi que pour la revue Control Engineering Practice (Elsevier). Il a été membre titulaire du Conseil Nationale des Universités (section 61) de 2015 à 2018. Il est experts auprès de différentes instances (ANR, ANRT, Digiteo, Factorylab). Ses axes de recherche actuels portent sur la robotique, la cobotique, la conception en interaction homme-robot, la génération de trajectoire et le contrôle vibratoire. Il est auteur ou co-auteur de plus de 50 communications en journal ou conférence internationale. Publications en revue récentes - M. Safeea, R. Bearee and P. Neto, A Modified DLS Scheme with Controlled Cyclic Solution for Inverse Kinematics in Redundant Robots, in IEEE Transactions on Industrial Informatics, 2021. - M. Safeea, P. Neto, R. Béarée, Collision avoidance of redundant robotic manipulators using Newton’s method, Journal of Intelligent and Robotic Systems, 2020. - M. Safeea, P. Neto, R. Béarée, A recursive algorithm for efficient calculation of Christoffel symbols, Mechanism and Machine Theory, 142, 2019. Taches Navigation / cartographie Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Etat de l’art sur les méthodes et algorithmes de SLAM (livrable 1); prise en main de la base mobile et des systèmes de vision L1 Analyse comparatives des méthodes en simulations; prise en main de l'environnement ROS; matrice de décision des algorithmes de SLAM (livrable 2) L2 Expérimentation navigation/cartographie en environnement Datacenter (livrable 3) L3 Référencement / état serveur Etat de l'art des méthodes de détection TAG/code à bar (livrable 4) L4 Analyse expérimentale de la robustesse de la détection en environnement Datacenter Traitement d'image pour reconnaissance d'état des serveurs et tests expérimentaux (livrable 5) L5 Surveillance Etat de l'art en télésurveillance (Livrable 6) L6 Application à la détection d'humain Application à la détection d'exception Démonstrateur de concept global (Livrable 7) L7 Publication (C: Conférence; J: Journal) C + J1 J2 Rédaction mémoire / soutenance M Année 1 Année 2 Année 3 5 - M. Safeea, P. uploads/Science et Technologie/ cifre-phd-ovhcloud-lispen-ensam.pdf